基于人工智能的钢坯除磷方法、装置及设备与流程

1.本发明涉及人工智能技术领域，具体涉及一种基于人工智能的钢坯除磷方法、装置及设备。


背景技术：

2.当加热炉温度高加热时间长，炉内气氛不好供入风量过大时，或者当炉内形成负压，吸入冷风时，或者当炉内加热温度低于规程规定的最低温度过多时，在加热过程中都会造成钢铁和氧气发生反应，形成大量氧化铁皮。
3.钢铁在高温状态下被氧化，在其表面形成一层致密的氧化铁皮，也即磷皮。氧化铁皮熔化黏附在板坯表面，如果在轧制前不能将这层氧化铁皮除去，在轧制过程中它们会被轧辊压入板坯里面与钢基体结合紧密，影响其表面质量。残留的氧化铁皮也会加速轧辊的磨损，降低轧辊的使用寿命。
4.目前，在钢坯轧制前，除去表面的氧化铁皮最常用的方法包括：利用高压水的机械冲击力来除去氧化铁皮的方法是最通行有效的作法，其高压水除磷系统的工作原理是在钢坯轧制之前，由高压泵站产生的高压水经喷嘴形成高速射流打击到钢坯表面，在射流的冲蚀剥削以及热爆效应下，钢坯表面的炉生氧化铁皮就会被清除，从而完成除磷工作。
5.发明人在实践中，发现上述现有技术存在以下缺陷：由于产生的氧化铁皮的厚度不确定，仅根据氧化铁皮的厚度设置固定的水压和喷射角度并不能完全清除干净，导致残留的氧化铁皮被轧制进去，影响钢坯质量。


技术实现要素：

6.为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的钢坯除磷方法、装置及设备，所采用的技术方案具体如下：
7.第一方面，本发明一个实施例提供了一种基于人工智能的钢坯除磷方法，该方法包括：
8.采集钢坯俯视图像及对应的深度图像，获取所述钢坯俯视图像中钢坯图像；
9.对所述钢坯图像进行语义分割得到鳞片图像；
10.对所述鳞片图像中鳞片像素点进行聚类得到多个鳞片区域；结合每个所述鳞片区域中钢基体和鳞片在所述深度图像中的深度信息得到每个所述鳞片区域中每个所述鳞片像素点对应的翘曲高度和所述翘曲高度对应的梯度方向；根据每个所述鳞片区域对应的所述梯度方向获取所述鳞片图像中整体鳞片的翘曲主方向；
11.通过每个所述鳞片的所述鳞片像素点获得所述鳞片对应的翘曲线及翘曲角度，进而利用所述翘曲角度得到所述整体鳞片的翘曲主角度；
12.根据所述翘曲主方向调节喷嘴方向，基于所述翘曲主角度调节喷嘴角度。
13.进一步地，所述翘曲角度的获取方法，包括：
14.以所述翘曲高度为0的所述鳞片像素点作为翘曲线端点，获取所述翘曲线端点到
所述翘曲线上每个所述鳞片像素点之间的方向向量对应的角度，对所述角度进行加权求和得到所述翘曲角度。
15.进一步地，在得到所述多个鳞片区域之后，还包括：
16.获取所述鳞片区域的鳞片面积和鳞片区域面积；根据所述鳞片图像中的所述鳞片像素点得到所述整体鳞片的总面积；
17.利用所述鳞片面积和所述总面积得到每个所述鳞片区域的分布密度；根据所述分布密度得到所述整体鳞片的密度；
18.根据所述鳞片区域面积、所述分布密度、所述总面积和所述整体鳞片的密度得到每个所述鳞片区域中所述鳞片的分布特征值，进而根据所述分布特征值和最小分布特征值对应的压强得到所述整体鳞片对应的总压强；
19.根据所述总压强调整喷嘴压强。
20.进一步地，所述鳞片区域是基于距离进行聚类得到的。
21.进一步地，所述根据所述翘曲主方向调节喷嘴方向的方法，包括：
22.将所述喷嘴方向调整为与所述翘曲主方向相同的位置。
23.进一步地，所述喷嘴角度的调整方法，包括：
24.调整所述喷嘴角度小于所述翘曲主角度。
25.进一步地，所述根据每个所述鳞片区域对应的所述梯度方向获取所述鳞片图像中整体鳞片的翘曲主方向的方法，包括：
26.将多个所述鳞片区域对应的所述梯度方向的均值作为所述翘曲主方向。
27.进一步地，所述根据所述翘曲角度得到所述整体鳞片的翘曲主角度的方法，包括：
28.将多个所述鳞片区域对应的所述翘曲角度的均值作为所述翘曲主角度。
29.第二方面，本发明另一个实施例提供了一种基于人工智能的钢坯除磷装置，该装置包括：
30.图像采集单元，用于采集钢坯俯视图像及对应的深度图像，获取所述钢坯俯视图像中钢坯图像；
31.图像处理单元，用于对所述钢坯图像进行语义分割得到鳞片图像；
32.方向获取单元，用于对所述鳞片图像中鳞片像素点进行聚类得到多个鳞片区域；结合每个所述鳞片区域中钢基体和鳞片在所述深度图像中的深度信息得到每个所述鳞片区域中每个所述鳞片像素点对应的翘曲高度和所述翘曲高度对应的梯度方向；根据每个所述鳞片区域对应的所述梯度方向获取所述鳞片图像中整体鳞片的翘曲主方向；
33.角度获取单元，用于通过每个所述鳞片的所述鳞片像素点获得所述鳞片对应的翘曲线及翘曲角度，进而利用所述翘曲角度得到所述整体鳞片的翘曲主角度；
34.喷嘴调整单元，用于根据所述翘曲主方向调节喷嘴方向，基于所述翘曲主角度调节喷嘴角度。
35.进一步地，一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。
36.本发明实施例至少包含以下有益效果：通过实时检测多个鳞片区域中鳞片的分布来获取整体鳞片的翘曲主方向和翘曲主角度，根据鳞片的面积和分布密度得到的鳞片的分
布特征值获取除磷所需的总压强，进而通过翘曲主方向和翘曲主角度得到喷嘴的准确位置，获取的总压强能够保证水压除磷时的水冲击力，使得实时检测的鳞片和喷嘴状态处于一一对应的关系，增强除磷效果，提高钢坯质量。
附图说明
37.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
38.图1为本发明一个实施例所提供的一种基于人工智能的钢坯除磷方法的流程图；
39.图2为本发明一个实施例所提供的一种基于人工智能的钢坯除磷方法的步骤流程图；
40.图3为本发明另一个实施例所提供的一种基于人工智能的钢坯除磷装置的结构框图；
41.图4为本发明实施例所提供的一种电子设备的示意图。
具体实施方式
42.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的钢坯除磷方法、装置及设备，其具体实施方式、结构、特征及其作用，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
43.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
44.下面结合附图具体的说明本发明所提供的一种基于人工智能的钢坯除磷方法、装置及设备的具体方案。
45.参见附图1和附图2，本发明实施例提供了一种基于人工智能的钢坯除磷方法，该方法包括以下具体步骤：
46.步骤s001，采集钢坯俯视图像及对应的深度图像，获取钢坯俯视图像中钢坯图像。
47.具体的，在加热炉和高压除磷装置之间的传送带上方部署rgbd相机，利用rgbd相机采集从加热炉传送出来的氧化的钢坯的俯视图像和对应的深度图像。
48.钢坯从加热炉传送后，烧红的钢坯的像素值是明显区别于背景的，因此根据像素值能够得到钢坯俯视图像中的钢坯图像，具体过程为：
49.1)将钢坯俯视图像对应的rgb图像转换成hsv图像。
50.需要说明的是，hsv空间中h(色调)、s(饱和度)、v(明度)三个指标相互独立，能够非常直观的表达色彩的色调、明暗以及鲜艳程度，方便进行颜色之间的对比，因此，hsv图像常用于分割指定颜色的物体。
51.2)对hsv图像进行边缘强化处理。
52.在rgb图像中，钢坯的像素值集中在r通道中，b通道含的背景像素是最少的，因此
可选择在r通道进行边缘强化处理。rgb图像中的r通道表示为：i1＝i{r,0,0}，用高频增强算子h和r通道分量i1进行卷积滤波，得到锐化的边界图像i3：
[0053][0054][0055]
然后，用边界图像i3和hsv图像i2做逻辑与操作得到边界增强图像i4：
[0056]
i4＝i3∧i2[0057]
3)对边界增强图像i4采用中值滤波，过滤掉细小、零散的区域，得到钢坯图像。
[0058]
步骤s002，对钢坯图像进行语义分割得到鳞片图像。
[0059]
具体的，将钢坯图像通过编码器
‑
解码器结构的语义分割网络得到鳞片图像，其中，语义分割网络的训练过程如下：
[0060]
1)将钢坯图像进行灰度化处理和归一化处理，将图像矩阵限定在[0,1]范围内，消除奇异样本数据带来的不良影响，加快梯度下降求最优解的速度。
[0061]
2)对钢坯图像进行标注，将鳞片的像素值置为1，其他置为0。
[0062]
3)编码器对钢坯图像进行卷积和下采样操作以进行特征提取得到特征图，该特征图的特征映射不断收缩，且尺寸减小；解码器对特征图采用上采样和跳跃连接操作以将特征图的特征尺寸恢复至输入图像大小，增加特征维度；使用1*1卷积将特征向量转换为类别标签，输出为鳞片图像分割的概率图。
[0063]
4)损失函数采用交叉熵损失函数，不断迭代更新模型的参数。
[0064]
将由语义分割网络输出的概率图进行过softargmax操作得到鳞片图像。
[0065]
步骤s003，对鳞片图像中鳞片像素点进行聚类得到多个鳞片区域；结合每个鳞片区域中钢基体和鳞片在深度图像中的深度信息得到每个鳞片区域中每个鳞片像素点对应的翘曲高度和翘曲高度对应的梯度方向；根据每个鳞片区域对应的梯度方向获取鳞片图像中整体鳞片的翘曲主方向。
[0066]
具体的，统计鳞片图像中像素值为1的鳞片像素点的数量，进而根据鳞片像素点的数量得到鳞片图像中整体鳞片的总面积s。进而基于距离对鳞片像素点进行聚类以得到多个鳞片区域，具体为：从鳞片图像的左上角的第一个鳞片像素点作为初始聚类中心，利用从左到右、从上到下的扫描方式，计算相邻鳞片像素点之间的距离，设定距离阈值，将距离小于距离阈值对应的鳞片像素点归为同区域，进而根据聚类的同区域得到多个鳞片区域。
[0067]
优选的，本发明实施例中距离阈值为经验值，且距离阈值为10。
[0068]
根据鳞片区域中的所有像素点的数量获取每个鳞片区域的鳞片区域面积，且统计鳞片区域中的像素值为1的鳞片像素点的数量得到每个鳞片区域中的鳞片面积，进而根据鳞片区域面积、鳞片面积和总面积得到每个鳞片区域的分布密度，即：
[0069][0070]
其中，ρ
i
为第i个鳞片区域的分布密度；s
i
为第i个鳞片区域的鳞片区域面积；为第i个鳞片区域的鳞片面积；α为鳞片区域面积的权重；β为鳞片面积的权重；n为鳞片区域的
数量。
[0071]
优选的，本发明实施例中α＝0.5，β＝0.5。
[0072]
进一步地，根据rgbd相机得到的深度图像，结合每个鳞片区域中钢基体和鳞片在深度图像中的深度信息得到每个鳞片区域中每个鳞片像素点对应的翘曲高度和翘曲高度对应的梯度方向，具体为：
[0073]
以钢坯的中心点为原点坐标，以沿着钢坯长度的延伸方向为x轴，以沿着钢坯宽度的延伸方向为y轴建立坐标系，钢坯宽度的延伸方向是指垂直于传送带运动的方向，钢坯长度的延伸方向是指与传送带的运动方向相同或者相反的方向。根据钢基体到rgbd相机的深度信息h和鳞片到rgbd相机的深度信息h，得到鳞片区域中第i个鳞片像素点的翘曲高度，即：δh
i
＝h
i
‑
h
i
，其中，δh
i
为第i个鳞片像素点的翘曲高度；h
i
为第i个鳞片像素点对应的钢基体的深度信息；h
i
为第i个鳞片像素点的深度信息。
[0074]
以翘曲高度最大的鳞片像素点(x,y)为中心像素点，设定5
×
5的验证窗口，寻找中心像素点八邻域内翘曲高度最大的鳞片像素点作为下一个中心像素点继续进行验证，其余的鳞片像素点则不再参与后续验证，其中在窗口内未验证的鳞片像素点中，若最高翘曲高度对应多个鳞片像素点，则任选其中一个作为中心像素点。直到该中心像素点所在的验证窗口内所有鳞片像素点的翘曲高度都为0，则结束循环。进而将得到的中心像素点连接起来得到一条翘曲线。
[0075]
根据深度图像的深度信息得到每一个中心像素点的三维点云坐标信息，由每一个中心像素点的三维点云坐标信息计算相邻中心像素点之间的梯度，并将平均梯度的方向作为最终反映鳞片区域对应的翘曲高度的梯度方向，进而根据每个鳞片区域对应的梯度方向获取鳞片图像中整体鳞片的翘曲主方向，即：
[0076][0077]
λ1 λ2
…
λ
n
＝n
[0078]
其中，γ0为翘曲主方向；γ
i
为第i个鳞片区域对应的梯度方向；λ
i
为第i个鳞片区域对应的权重；n为鳞片区域的数量。
[0079]
需要说明的是，权重λ是根据每个鳞片区域的分布密度进行分配的，计算表达式为：
[0080]
步骤s004，通过每个鳞片的鳞片像素点获得鳞片对应的翘曲线及翘曲角度，进而利用翘曲角度得到整体鳞片的翘曲主角度。
[0081]
具体的，根据每个鳞片上所有中心像素点得到的一条翘曲线，以翘曲高度为0的鳞片像素点作为翘曲线端点，翘曲高度为0表示鳞片与钢基体接触的位置，获取翘曲线端点到翘曲线上每个鳞片像素点之间的方向向量对应的角度，对角度进行加权求和得到翘曲角度。
[0082]
作为一个示例，设翘曲线上的鳞片像素点的数量为n，翘曲线端点到翘曲线上第j个鳞片像素点之间的方向向量对应的角度为δθ
j
，根据鳞片像素点的数量设置方向向量的权重进而将所有角度进行加权求和得到第i个鳞片区域对应的翘曲角度δθ
i
，即
[0083]
考虑到每个鳞片区域内鳞片的分布情况，利用翘曲角度得到整体鳞片的翘曲主角度，则本发明实施例中将多个鳞片区域对应的翘曲角度的均值作为翘曲主角度，即：
[0084][0085]
其中，δθ
t
为翘曲主角度；δθ
i
为第i个鳞片区域对应的翘曲角度δθ
i
。
[0086]
步骤s005，根据翘曲主方向调节喷嘴方向，根据翘曲主角度调节喷嘴角度。
[0087]
具体的，由于钢坯上鳞片的面积和分布密度不同，因此钢坯除磷所需要的压强也不一样，为了保证钢坯除磷效果，根据检测到的鳞片的面积和分布密度获取除磷所需的总压强，进而基于总压强采用变频器调节喷嘴压强。
[0088]
基于每个鳞片区域的分布密度，计算多个鳞片区域的分布密度的均值，将该均值作为整体鳞片的密度ρ。根据鳞片区域面积、分布密度、总面积和整体鳞片的密度得到每个鳞片区域中鳞片的分布特征值，进而本发明实施例以第i个鳞片区域为例，该第i个鳞片区域的分布特征值e
i
为：其中，a为鳞片区域面积的权重；b为分布密度的权重。
[0089]
计算所有鳞片区域的分布特征值，并得到分布特征值的最小值，记为e
min
。设最小分布特征值对应的钢坯除磷的压强为进而根据分布特征值和最小分布特征值对应的压强得到整体鳞片对应的总压强p：
[0090][0091]
其中，e0为所有鳞片区域的分布特征值的平均值。
[0092]
进一步地，为了保证钢坯除磷效果，将喷嘴方向调整为与整体鳞片的翘曲主方向γ0相同的位置，且将喷嘴角度调整为小于整体鳞片的翘曲主角度δθ
t
。
[0093]
优选的，本发明实施例将喷嘴角度调整为对准翘曲主角度δθ
t
的一半的方向。
[0094]
综上所述，本发明实施例提供了一种基于人工智能的钢坯除磷方法，该方法采集钢坯俯视图和对应的深度图像，基于钢坯俯视图获取钢坯图像，对钢坯图像进行语义分割得到鳞片图像；通过对鳞片图像中鳞片像素点进行聚类得到多个鳞片区域，结合每个鳞片区域中钢基体和鳞片在深度图像中的深度信息得到每个鳞片区域中每个鳞片像素点对应的翘曲高度和所述翘曲高度对应的梯度方向，进而根据梯度方向获取鳞片图像中整体鳞片的翘曲主方向；通过每个鳞片的鳞片像素点获得鳞片对应的翘曲线及翘曲角度，进而利用翘曲角度得到整体鳞片的翘曲主角度；根据翘曲主方向调节喷嘴方向，基于翘曲主角度调节喷嘴角度。通过翘曲主方向和翘曲主角度得到喷嘴的准确位置，获取的总压强能够保证水压除磷时的水冲击力，使得实时检测的鳞片和喷嘴状态处于一一对应的关系，增强除磷效果，提高钢坯质量。
[0095]
基于与上述方法相同的发明构思，本发明实施例还提供了一种基于人工智能的钢坯除磷装置。
[0096]
参照附图3，本发明实施例提供了一种基于人工智能的钢坯除磷装置，该装置包括图像采集单元10、图像处理单元20、方向获取单元30、角度获取单元40以及喷嘴调整单元50。
[0097]
图像采集单元10用于采集钢坯俯视图像及对应的深度图像，获取钢坯俯视图像中
钢坯图像。
[0098]
图像处理单元20用于对钢坯图像进行语义分割得到鳞片图像。
[0099]
方向获取单元30用于对鳞片图像中鳞片像素点进行聚类得到多个鳞片区域；结合每个鳞片区域中钢基体和鳞片在深度图像中的深度信息得到每个鳞片区域中每个鳞片像素点对应的翘曲高度和翘曲高度对应的梯度方向；根据每个鳞片区域对应的梯度方向获取鳞片图像中整体鳞片的翘曲主方向。
[0100]
角度获取单元40用于通过每个鳞片的鳞片像素点获得鳞片对应的翘曲线及翘曲角度，进而利用翘曲角度得到整体鳞片的翘曲主角度。
[0101]
喷嘴调整单元50用于根据翘曲主方向调节喷嘴方向，基于翘曲主角度调节喷嘴角度。
[0102]
进一步地，请参阅附图4，其示出了本发明实施例提供的一种电子设备的示意图。该实施例中的该电子设备包括：处理器、存储器以及存储在所述存储器中并可在处理器上运行的计算机程序。处理器执行所述计算机程序时实现上述一种基于人工智能的钢坯除磷方法实施例中的步骤，例如图2所示的步骤。或者，处理器执行计算机程序时实现上述一种基于人工智能的钢坯除磷装置实施例中各单元的功能。
[0103]
示例性的，计算机程序可以被分割成一个或多个单元，其中一个或者多个单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。其中一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备中的执行过程。
[0104]
该电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种电子设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，示意图仅仅是该电子设备的示例，并不构成对该电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如该电子设备还可以包括输入输出设备、总线等。
[0105]
所称处理器可以是中央处理单元(central processing unit,cpu),还可以是其他通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现成可编程门阵列(field programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，该处理器是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分。
[0106]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0107]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0108]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和
原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。